BenchLeader

CWE-Bench (AA)のリーダーボード

2026年11月16日時点で、CWE-Bench (AA)の最高スコアは75.8%で、Hy4(Tencent)が記録しています。次点はDeepSeek V4.1 Flash 1017の69.2%です。公表された結果があるのは26のモデル構成です(Artificial Analysis、結果の日付は2026年11月3日)。CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施。CWE-Bench (AA)はBenchLeader Indexのエージェント・ツールスコアに反映されます。

要点(2026年11月16日時点)

  • Hy4がCWE-Bench (AA)の最高スコア75.8%を記録しています(Artificial Analysis、2026年11月3日)。
  • CWE-Bench (AA)の2位はDeepSeek V4.1 Flash 1017で、69.2%です(Artificial Analysis、2026年10月17日)。
  • CWE-Bench (AA):CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施(Artificial Analysis)。
  • BenchLeaderでは26のモデル構成にCWE-Bench (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • CWE-Bench (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。

CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施。

公開元
Artificial Analysis
カテゴリ
エージェント・ツール
Indexでの重み
0.5
モデル
26
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

26件中26件
#
1Hy475.8%56.72026-11-03
2DeepSeek V4.1 Flash 1017max69.2%57.72026-10-17
3DeepSeek V4.1 Flashmax68.3%58.52026-09-10
4Grok 4.7xhigh68.3%57.42026-09-21
5GPT-6 Sol (Daybreak Blue, max)max64.7%–2026-09-22
6GPT-6 Solmax64.2%62.62026-09-22
7GPT-6 Astramax63.3%67.32026-09-03
8MiMo-V2.6-Pro63.3%57.52026-09-21
9Kimi K3.1 Pro60.8%61.82026-10-23
10Muse Spark 1.3xhigh60.8%58.12026-09-02
11Claude Opus 5.5max58.3%68.42026-09-22
12Mistral Large 4high58.3%48.32026-10-29
13GPT-6 Lunamax56.7%55.12026-09-22
14GLM 5.3max55.8%58.82026-08-18
15GLM 5.3 Flash55.8%57.82026-08-26
16Kimi K3max53.3%60.22026-07-16
17Gemini 3.8 Flashhigh52.5%59.42026-09-02
18Step 5 Preview52.5%56.02026-09-18
19Claude Fable 5.1max50.8%66.72026-09-01
20Mistral Large 450.8%52.92026-10-06
21Mistral Large 4medium50.0%45.92026-10-29
22Beam 1.049.2%45.92026-10-16
23MiniMax M341.7%56.12026-06-01
24Qwen3.8 2.4T A95B28.3%51.42026-08-12
25Nemotron 3 Ultra 550B A55Bthinking27.5%49.12026-06-04
26Qwen3.8 27Bxhigh26.7%52.22026-08-14

エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「CWE-Bench (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_cwe_bench

CWE-Bench (AA):よくある質問

CWE-Bench (AA)は何を測るベンチマークですか?
CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
CWE-Bench (AA)の最高スコアは?
2026年11月16日時点で、CWE-Bench (AA)の最高スコアは75.8%で、Hy4が記録しています(結果の日付は2026年11月3日)。次点はDeepSeek V4.1 Flash 1017の69.2%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
CWE-Bench (AA)でトップのAIモデルは?
2026年11月16日時点で、CWE-Bench (AA)の首位はHy4で、スコアは75.8%です(結果の日付は2026年11月3日)。続いてDeepSeek V4.1 Flash 1017(69.2%)です。
CWE-Bench (AA)の結果があるモデルはいくつですか?
BenchLeaderでは26のモデル構成にCWE-Bench (AA)の結果があり、すべてArtificial Analysisから取得しています。
CWE-Bench (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
CWE-Bench (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
CWE-Bench (AA)はBenchLeader Indexに含まれますか?
はい。CWE-Bench (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。